2018深圳国际机器人与智能系统院士论坛姚新:演化计算与智能优化和机器学习

4月9日,智能引领未来——2018深圳国际机器人与智能系统院士论坛由工业和信息化部、深圳市人民政府联合指导,国际电气电子工程师学会(IEEE)、中国科学院深圳先进技术研究院、深圳中电国际信息科技有限公司联合主办,众多国内外知名专家、行业领袖受邀出席论坛,围绕机器人智能、脑机交互技术、演化计算、区块链等话题发表主题演讲,共同探讨机器人与智能制造业的发展。

2017年,为贯彻落实“中国制造2025”和新一代人工智能发展规划,工信部制定了促进新一代人工智能产业发展三年行动计划(2018-2020年),以加快人工智能产业发展,推动人工智能和实体经济深度融合。

来自南方科技大学计算机科学与工程系的姚新主任,从理论上到实践,为我们系统化描述演化计算,一下是姚新主任的演讲全文。

首先感谢毕秘书长给我机会,来这里讲一下我自己感兴趣做的研究。

给大家兜售一点湿货,大部分可能不知道南方科技大学的计算机科学与工程系,因为计算机科学与工程系在南方科技大学只有一岁半,从2016年8月份到现在。从2016年8月份开始运行,2017年我们就有了第一批本科毕业生。去年我们招了19个硕士生和21个博士生。一年半以后,我们现在有19个老师,希望将来能到55个。

计算科学与工程系的研究领域分五大块,系统研究、数据科学、理论、系统与网络、认知系统。小组里面有5个老师,还有一些来自五湖四海的博士,有一些是偏理论的,主要是做统计机器学习,袁博士做的是电路设计和机器优化。我们做很多学习、优化和交叉之间的工作,因为光学习不做优化是很奇怪的,所学的东西是拿来做决策用的,怎么光考虑学习、不考虑优化呢,所以我们考虑学习和优化在一起。优化考虑很多,多目标优化、动态优化和环境的优化等等。

那么为什么要研究演化计算?哪怕现在的计算机或者机器人聪明到什么程度,通常都会很使劲的敲键盘,因为你写一个什么程序,不就是少一个逗号或者括号,空格有的编译不一样,让人很苦恼。人很少同样的错误犯两次,但是计算机有时候就很麻烦。
另外,制式与能力比较差。把四周自然的系统也看作是计算系统,实际上自然系统也是计算系统,大脑的系统也是计算系统,一些机械的系统,包括汽车运行的过程也可以看做一个计算系统。自然界有很多值得做计算机科学的人学习的地方,自然系统问题求解方法跟计算机问题求解方法互补,而且通常解出来的还比较简单。这就是我讲的为什么要对演化计算这种技术进行研究,实际上对大家深度应用的神经网络,比如人工神经网络也是受到大脑的启发和影响,这个演化计算或者演化算法是通过生物的进化来的。

演化算法背后有一个思想是适者生存,把好的解留下来,差的解筛选出去,不断做迭代。我下面举四个例子,通过四个例子说明一下演化计算是做什么的。

第一个例子,机器学习实际上是数据驱动建模型。通过一部分实验数据,然后研究产生数据背后的抽象模型是什么。铝合金材料的设计,以前是建模,现在是尽量用演化算法,尽量减少在实验室的时间。通过方程组和实验数据,要通过实验研究材料在实验中的表现行为,以找出材料这种的常数。这个方程没有解析解,只有数字解,有一种方式是我们将该问题当做一个优化的过程,当方程的左边和右边的差为零时,就找到了最优解。可以用演化算法来做优化,这个优化就是解方程、找数字图。这个找出来的解对设计铝锭、铝合金来说是最好的,就是找数字常数、材料常数找得最精确的。

第二个例子,优化的时候往往有一个不成文的假设,优化的环境和优化的目标是一成不变的,但是实际实验中会是变的。

第三个例子,说一下多目标优化。多快好省是70年代的口号,但是这做不到,多、快、好还要省,这很难做到你要多、快、好就要花钱,所以就要折中,的确想少花钱,但的确又想好,这时候不能单看一个指标,要几个指标同时看,作为决策者来选择我希望的折中方案,这就是多目标优化的很典型的场景。

我们处于一个很大的软件系统中,需要求解式的把所有可能的都做到也不可能。我在有限的资源和有限的时间里,如何对大软件系统的各个模块进行测试,使得系统的测试准确率最大化,限的人和有限的钱分配到软件的大模块,目标是整个软件准确率高。

这就是我的结束语,希望我讲的这几个小例子让大家能记住这三句话:第一,演化计算经常用到智能优化和机器学习当中,但是这种机器学习跟大家平常说的深度学习的机器学习不是很一样。第二,演化计算在机器人的脑体一体化设计中应该有相当大的用武之地。第三,演化计算可能是人工智能的下一个热点。

谢谢大家!

理论活动机器人人工智能
返回顶部